Moondream 3 Preview
нейросеть
Moondream 3 Preview — vision-language модель от Moondream для ответов по изображению, описаний и OCR.
Характеристики
- Входные данные
- текст, изображения, документы
- Результат
- текст
- Размер контекста
- 32 000 токенов
- Макс. длина ответа
- 4 096 токенов
- Уровни рассуждений
- низкий, средний, высокий
- Возможности
- рассуждения
Стоимость промпта
(за 1M токенов)
Стоимость ответа
(за 1M токенов)
Как работает Moondream 3 Preview?
Moondream 3 Preview — компактная vision-language модель от команды Moondream: 9 млрд параметров всего и 2 млрд активных за счёт архитектуры mixture-of-experts, поэтому модель отвечает на вопросы по изображению, составляет описания, распознаёт текст на картинке и выстраивает визуальные рассуждения, не требуя ресурсов больших мультимодальных систем. В BotHub она доступна из России без VPN и зарубежной карты, оплата проходит российскими картами в рублях по факту использования, а все 250+ моделей собраны в одном окне: можно сравнить ответ Moondream с другой моделью и переключиться через единый OpenAI-совместимый API, не переписывая интеграцию. Данные передаются с шифрованием AES-GCM. Пригодится, если нужно разобрать скан или фотографию документа и вытащить из них текст, автоматически подписать каталог товаров, построить проверку пользовательских изображений по заданным вопросам, собрать описания для доступности интерфейсов или прототипировать агента, который читает графики и скриншоты.Частые вопросы о Moondream 3 Preview
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
moondream3-preview — визуально-языковая модель от moondream: на вход принимает текст, изображения и документы, а отвечает текстом. Подходит, чтобы описать содержимое картинки, найти на фото нужные объекты, вытащить данные из скана или таблицы и ответить на вопросы по странице документа. Контекст — 32 000 токенов.
До 4096 токенов за один ответ — это порядка нескольких страниц. Для подписей к изображениям, извлечённых полей, описаний и коротких отчётов такого объёма хватает. Если результат нужен длиннее, разбивайте задачу на части и собирайте ответы последовательно, передавая предыдущий фрагмент в контекст.
Да, рассуждения перед ответом подтверждены в наших данных: модель может разложить задачу на шаги и только потом дать итог. Это выручает в вопросах по изображению, где нужно сопоставить несколько деталей, пересчитать объекты или связать цифры из документа с самим вопросом.
В наших данных вызов функций и структурированный вывод JSON у этой модели не отмечены, поэтому заранее на них не рассчитывайте — проверьте на своём запросе. Нужную схему можно описать прямо в промпте, а если формат критичен, переключитесь на другую модель через тот же API BotHub.
Изображения и документы — да, это её основной сценарий: загружаете фото, скриншот или скан и спрашиваете по содержимому. Аудио и видео на вход в наших данных не отмечены. Отвечает модель текстом, генерация картинок или звука у неё не заявлена.
Данных о языках промптов и ответов у нас нет, поэтому качество русского мы обещать не станем. Самый быстрый способ — отправить свой типичный запрос вместе с картинкой и посмотреть на результат. В одном окне BotHub рядом доступны другие модели, так что сравнить ответы вы успеете за минуту.